Electronic Journal of SADIO (EJS)

Nota Editorial

Claudia Pons — 2024-04-18

Predicción de la satisfacción del usuario a partir de chats de atención al cliente

Alejandro Romanisio — 2024-04-18

Los servicios de atención al cliente son determinantes de la experiencia de usuario de las empresas Fintech. Este trabajo busca entender, empleando técnicas de machine learning, qué factores llevan a los clientes de una Fintech a evaluar de forma positiva su experiencia. Esto se hizo a partir de dos fuentes de datos: los registros de los usuarios y las conversaciones del servicio de atención al cliente vía WhatsApp. Experimentamos con modelos predictivos basados en XGBoost, entrenados con features del contexto del usuario, las características de las conversaciones y la semántica de las palabras utilizadas en las conversaciones. Los resultados fueron menores a lo esperado (AUC = 0.5152), pero dejan aprendizajes valiosos para quienes encaren problemas semejantes en el futuro, relacionados a los desafíos de los siguientes aspectos críticos: i. evitar el data leakage, ii. evaluar modelos y scoring metrics exhaustivamente, iii. realizar chequeos intermedios, iv. no subestimar el tiempo necesario para la transformación de datos, v. realizar un proceso de unit testing y vi. conocer el dominio. Este trabajo describe las distintas etapas de la metodología: extracción y transformación de los datos, generación de features, entrenamiento de modelos predictivos, selección del modelo óptimo y evaluación en datos de test.

Redes sociales basadas en ubicación en Buenos Aires (2009-2015)

Leonardo Salvador Rocco — 2024-04-18

El tipo de redes sociales que se basan en la ubicación de sus usuarios recibe el nombre de redes sociales basadas en localización (LBSN) y son un medio oportuno para el análisis del comportamiento espacio temporal de las personas. Utilizando datos registrados en Foursquare, aplicación para dispositivos móviles que provee a sus usuarios búsquedas personalizadas y localizadas, se construyó la red social de usuarios con actividades en lugares de la Ciudad Autónoma de Buenos Aires entre 2009 y 2015. En este trabajo se describen en primer lugar aspectos metodológicos para la recolección y procesamiento de datos de redes sociales utilizando información pública, y en segundo lugar se estudia las características estructurales de la red social que componen estos usuarios. Entre los hallazgos más importantes se encuentra una estructura fuertemente comunitaria, de mundo pequeño y con un grado neutral de afinidad selectiva, que no se enmarca en una distribución de grados de ley de potencias.

Reúso de un modelo de Aprendizaje Profundo para reconocimiento de dígitos manuscritos

Mauro José Pacchiotti — 2024-04-18

Las técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado.

Extracción de reglas de redes neuronales feedforward entrenadas con lógica de primer orden

Pablo Negro — 2024-04-18

La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones de datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feedforward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL).

Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente

Mauro Salina — 2024-04-18

El objetivo principal del trabajo consiste en el desarrollo de un sistema de clasificación de objetos para ser utilizado en un recolector de residuos inteligente, aplicando técnicas de Aprendizaje Profundo (Deep Learning). Durante el desarrollo del trabajo se crearon modelos de redes neuronales convolucionales (CNN) capaces de identificar distintos objetos reciclables en diferentes imágenes, en tiempo real. También se realizaron pruebas utilizando modelos pre-entrenados con aprendizaje por transferencia (Transfer Learning) para comparar resultados. Estos modelos fueron implementados utilizando como lenguaje de programación Python, apoyándose en el Framework de backend TensorFlow y la librería de alto nivel Keras. Adicionalmente, se fueron evaluando una amplia variedad de herramientas de inteligencia artificial que permiten aplicar las técnicas de Deep learning de forma eficiente. En pos de conseguir mejores resultados, se llevaron a cabo pruebas con distintos datasets y diferentes modelos dejando en evidencia la importancia que tiene el armado de un dataset bien nutrido, con una buena distribución de las muestras al momento de aplicar las métricas. En todos los casos se realizó clasificación multiclase, en donde con los primeros modelos se contó con aproximadamente 8000 imágenes divididas en 4 clases (plástico, vidrio, metal, papel-cartón), y para modelos posteriores se incrementó el dataset contando con más de 15000 imágenes separadas en 6 clases distintas, agregando a las anteriores las clases “orgánico” y “no-reciclable”. La implementación de estos modelos se llevó a cabo utilizando el lenguaje de programación Python, mediante el algoritmo “You Only Look Once” (YOLO). Como parte de la validación, se probó el modelo final en una aplicación (versión beta) desarrollada en Python, utilizando una mini computadora Raspberry Pi y un módulo de cámara (picam). El sistema desarrollado permite analizar en tiempo real los fotogramas capturados por la cámara y aplicar el modelo de clasificación de manera instantánea, accediendo de esta forma a las coordenadas de dichos objetos en el fotograma para poder recolectarlos y separarlos para su posterior reciclaje.

Desarrollo de una línea de productos de software para aplicaciones Feed Mashup

Héctor Reinaga — 2024-04-18

Las aplicaciones Mashup pueden ser consideradas como una tendencia en el desarrollo de software durante los últimos años, porque integra dos o más tipos de componentes disponibles en la Web. Las fuentes o feeds RSS se consideran también como un componente Mashup entre otras tecnologías. Una Línea de Productos de Software (LPS) es un enfoque de desarrollo de software cuyo principal objetivo es la reusabilidad, permitiendo crear una familia de productos donde cada producto posee características comunes, y difiere de otro en un conjunto de funcionalidades. Las actuales herramientas y enfoques de desarrollo de las aplicaciones mashup carecen de técnicas, métodos, y enfoques para su tratamiento. Precisamente, en búsqueda de métodos y/o herramientas que permitan construir aplicaciones, que no requiera de conocimiento en lenguaje específico por parte del usuario, que admitan reusabilidad y flexibilidad, como así genere código automático; este trabajo propone un enfoque para modelar, diseñar e implementar una aplicación Mashup desde una perspectiva de variabilidad, lo cual permitió crear una LPS para este dominio. Como resultado se presentó un modelo de características abstracto para la generación automática de aplicaciones Feed Mashup, y una herramienta que da soporte al modelo.

Evaluación de Desempeño de Servidores Supervisores MQTT Instalados en la Nube

Fernando Pazos — 2024-04-18

La comunicación entre dispositivos en una red exige el uso de protocolos. En internet hay protocolos muy conocidos que pueden ser usados tanto en la arquitectura de un servidos con múltiples clientes como en una comunicación máquina a máquina (M2M). En aplicaciones de Internet de las Cosas (IoT), la comunicación en una red puede ser administrada por un servidor denominado supervisor, y el protocolo más ampliamente usado en la camada de aplicación con este propósito es MQTT (Message-Queuing Telemetry Transport). Este artículo compara el desempeño de ocho servidores supervisores instalados en la nube disponibles publicamente en tres experimentos bajo diferentes condiciones de exigencia. El objetivo es elegir el supervisor más adecuado para ser usado en la comunicación entre un nanosatélite del tipo Cubesat y el terminal de Tierra.

Procesamiento de la información elicitada: buenas prácticas en la ingeniería de requisitos

Graciela D. S. Hadad — 2024-04-18

La obtención de información en el proceso de requisitos se realiza usualmente mediante entrevistas. Sin embargo, pese a su uso frecuente, las indicaciones prácticas disponibles acerca de cómo llevarlas a cabo y cómo usar posteriormente la información obtenida para elaborar modelos que reflejen el conocimiento adquirido, no impiden la aparición de algunos errores sistemáticos relevantes. Tanto en la literatura como en los propios experimentos realizados se ha detectado que el entrevistador y/o el modelador suelen introducir información subjetiva no obtenida de la fuente de información, sino proveniente

de su conocimiento previo. Esa distorsión en la información modelada suele trasladarse a otros modelos y artefactos de software y detectarse tardíamente. Por lo tanto, se realizó un experimento que estudió en detalle cómo la información fue elicitada a través de una entrevista y cómo fue procesada para construir un modelo escrito en lenguaje natural. Se detectó en el modelo el uso de conceptos nombrados incorrectamente, conceptos inexistentes, información mal comprendida, y vocabulario inducido por parte del entrevistador. A partir de las distorsiones encontradas en la información modelada, se elaboraron recomendaciones preliminares acerca de cómo realizar entrevistas y cómo procesar la información para su modelado, con el fin de mitigar los sesgos cognitivos de los ingenieros de requisitos.

Estrategia de resolución computacionalmente eficiente para la recolección y transporte regular de residuos patológicos generados en instituciones de salud

Tomás Mufarrege — 2024-04-18

Las actividades fundamentales relacionadas con la logística en la gestión de residuos patológicos abarcan las operaciones seguras de recolección, transporte y descarga en los sitios destinados al tratamiento de estos materiales. La coordinación eficaz de los tiempos de estas operaciones resulta crucial para prevenir la propagación de enfermedades entre el personal de salud, los trabajadores encargados de la gestión y la comunidad en general. En este contexto, el presente trabajo propone una estrategia de resolución computacionalmente eficiente para abordar el desafío de la operación regular de recolección y transporte de residuos patológicos generados en instituciones de salud, como hospitales y sanatorios. El problema implica el ruteo de vehículos de tipo capacitado con viajes múltiples, clasificado como NP-hard en optimización combinatoria, en el cual se deben tener en cuentas restricciones particulares asociadas al manejo de residuos hospitalarios peligrosos. Dado que los métodos convencionales utilizados para resolver problemas de Programación Matemática Entera a menudo no logran encontrar una solución óptima en un tiempo de ejecución razonable, se hace evidente la necesidad de implementar técnicas específicas que permitan abordar eficientemente este problema. El trabajo aborda un caso real extraído de la literatura, proporcionando detalles sobre la metodología de resolución propuesta.

Estudio de la producción industrial de ácido fórmico mediante simulación de procesos

Amira G. Serpa — 2024-04-18

En este trabajo se estudia la producción de ácido fórmico, reconocido, entre otros múltiples usos, como uno de los materiales más prometedores para el almacenamiento de hidrógeno, especialmente en aplicaciones de energía portátil. La producción de ácido fórmico se diseña utilizando conceptos de diseño conceptual de procesos con la asistencia de una herramienta computacional de simulación de procesos. Los resultados obtenidos permiten definir el flowsheet del proceso, establecer las condiciones de operación de los equipos involucrados y verificar la factibilidad de la ruta química utilizada como una alternativa para el aprovechamiento de las emisiones industriales de CO₂, con el beneficio ambiental potencial que esto conlleva. Para ese fin se evaluaron indicadores técnicos de desempeño. Este trabajo pertenece a un proyecto más amplio que tiene como objetivo la captura de CO₂ procedente de la industria sucroalcoholera del Noroeste Argentino para su conversión en diversos productos químicos y combustibles, como una estrategia para la disminución de las emisiones de CO₂ y la consecuente mitigación del cambio climático.

On the impacts of flow reversals in the optimal design and operation of pipeline networks

Renzo O. Piccoli — 2024-04-18

The transportation of fluid products across extensive supply chains is usually made by pipelines. Large investment costs in pipelines are only justified if they operate steadily at high utilization levels over long periods of time. That is why building efficient pipeline networks has become a challenging task. One of the most interesting strategies that pipeline operators apply after an abrupt change in the production-demand balance is flow reversal. Reversing the flow of a pipeline segment aims at using the same transportation infrastructure to make products flow in the opposite direction, which can be particularly useful to reduce costs. This work makes use of a generalized optimization framework based on Mixed-Integer Nonlinear Programming (MINLP) models for the design and operation of pipeline networks, to assess the impact of flow reversals. The goal is to optimally connect the nodes and install facilities to gather production and make the products be ready for delivery. Flow direction may be reversed in any pipeline segment over time, but in contrast to previous contributions, changeover costs and additional capital and operational expenditures due to specific pieces of equipment are explicitly accounted for.

Identificación de Diferencias y Similitudes Estructurales en las Redes Interindustriales de Empleo de Argentina

Sergio De Raco — 2024-04-19

La movilidad del empleo entre industrias refleja relaciones entre actividades económicas que se representan naturalmente como redes que resaltan las propiedades de conectividad entre sectores económicos. Los flujos de empleo varían en el tiempo tanto por factores coyunturales como estructurales. Usando registros administrativos de Argentina para el período 1996-2020, exploramos las redes interindustriales y caracterizamos sus estructuras y dinámicas a cuatro dígitos de clasificación de actividades CIIU Rev. 3. Analizamos las transiciones interanuales de empleo entre casi 300 actividades económicas y encontramos redes de elevada conectividad con propiedades de mundo pequeño, cuya estructura cambia en el tiempo. ¿Cuán distintas son las estructuras subyacentes de intercambios interindustriales de empleo? ¿Es posible caracterizar conexiones estables y cambios significativos a lo largo del tiempo? Aplicando métricas y mediciones de similitud estructural para cuantificar las diferencias en las redes interanuales encontramos que es posible identificar distintos regímenes de conectividad que correlacionan con períodos de cierta estabilidad macroeconómica, a la vez que se detectan períodos transicionales en los que estas estructuras van cambiando entre regímenes.